目录Python全系列 教程
3567个小节阅读：5930.8k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本，未来主流的版本
人工智能 教程
顺势而为，AI创新未来
大厂算法 教程
算法，程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
从分析的因素上看，有单因素分析和多因素分析。生存分析对应的多因素模型则常用Cox回归模型。
Cox回归又称为比例风险模型，能够同时考虑多个自变量对生存时间分布的影响。探讨到底哪类群体的“死亡”速度更快、到底什么因素影响了“死亡”速度。
Cox模型是针对生存时间和生存状态来建模，生存时间数据一般都是一个偏长尾的正偏态的分布。而我们的因变量激素水平数据分布正好是偏长尾的正偏态分布。将因变量取值看作“生存时间”。假定所有观测均在该时点出现结局事件，然后对其影响因素做生存数据的建模。
因为Cox模型是针对生存时间和生存状态来建模的，现在将因变量激素水平变量看作“生存时间”，每个观测均在该点要出现结局事件。因此要创建一个生存状态变量。
点击【确定】，在输出窗口查看输出结果
从分类变量编码可以看到，试验组参照编码为1，对照组参照编码为0。以"最后一个"分类为参照变量。也就是拿试验组和对照组相比；男性和女性进行相比。
在模型系数检验中显著性小于0.05，说明变量具有统计学意义。
在方程中的变量可以看到。组别显著性小于0.05是有统计学意义的。性别和年龄显著性大于0.05没有统计学意义。在变量编码中知道组别是试验组和对照组进行相比。系数B值0.82，表明试验组和对照组相比，死亡系数偏高的。Exp(B)等于2.274表明试验组相比对照组在任何时间点，死亡风险都是对照组的2.274倍。这时候我们就很难对应起来，究竟是说试验组的激素水平高还是对照组高，Cox模型应用到这个领域很不直观。那Cox模型的价值在哪？它主要可以快速的筛选变量，筛选出哪些变量有统计学意义，哪些变量没有统计学意义。Cox模型主要应用是分析灯泡寿命、轮胎使用寿命。在经济领域的使用，比如财务收入，税后的收入。
